پایش تازگی گوشت قرمز با استفاده از ترکیب طیف نگاری دی الکتریک و پردازش تصویر
محل انتشار: مجله مهندسی بیوسیستم ایران، دوره: 49، شماره: 2
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 179
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBSE-49-2_007
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
با توجه به اهمیت کیفیت گوشت و سایر مواد غذایی مورد مصرف روزانه در رشد و سلامت جامعه انسانی، توسعه سامانه های تشخیص و پایش کیفیت مواد غذایی بیش از پیش مورد توجه محققین می باشد. در این مطالعه ۴۰ نمونه گوشت گوساله در طی پنج روز ماندگاری در دمای پنج درجه سانتیگراد مورد تصویربرداری ماکروسکوپیک و طیفنگاری توان دیالکتریک در ۲۰ فرکانس از بازه MHz ۱۰۰- ۵ قرار گرفت. فرضیه مطالعه بر این اساس بود که با ترکیب دو روش مذکور حجم اطلاعات مفید حاصل از تغییرات فیزیکی و شیمیایی گوشت به واسطه ماندگاری افزایش مییابد. در هر بار آزمایش مجموعا ۴۲ ویژگی (توان دیالکتریک در ۲۰ فرکانس مختلف بین MHz ۱۰۰-۵ و ۲۲ ویژگی بافتی و رنگی تصویر) از هر نمونه استخراج شد. طبقهبندی روز ماندگاری گوشت با استفاده از متغیرهای دیالکتریک و تصویر با اعمال پنج الگوریتم شبکههای عصبی چند لایه پرسپترون (MLP)، رگرسیون منطقی چند جملهای (MRL)، درختهای کاربردی (FT)، درختهای مدل منطقی (LMT) و روش تجمیعی بگینگ (Bagging) انجام گرفت. نتایج نشان داد که توان دیالکتریک در فرکانسهای مختلف با افزایش ماندگاری تا روز پنجم کاهش یافت به طوری که برای مثال از ۲۵۰ میکرو وات در فرکانس پنج مگاهرتز در روز اول به ۱۰۰ میکرو وات در همین فرکانس در روز پنجم رسید. همچنین نتایج طبقهبندی نشان داد که متغیرهای تصویر گوشت به تنهایی بیشتر از متغیرهای دی الکتریک گوشت در طبقهبندی روز ماندگاری موثر هستند اما با تجمیع این دو منبع اطلاعات حسگری و اعمال تکنیک کاهش بعد به روش مولفههای اصلی (PCA) بر روی تمام ویژگیها، دقت طبقهبندی ۷۸ % برای الگوریتم درختهای کاربردی (FT) و ۷۷ % برای طبقهبند ترکیبی بگینگ (Bagging) با ردهبند پایه شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) حاصل شد.
کلیدواژه ها:
نویسندگان
امیر علی صادقپور اصفهانی
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد
مجتبی نادری بلداجی
دانشگاه شهرکرد
مهدی قاسمی ورنامخواستی
استادیار گروه مهندسی مکانیک بیوسیستم دانشگاه شهرکرد
بهرام حسین زاده
استادیار گروه مکانیک بیوسیستم-دانشگاه شهرکرد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :